Цель задачи: определить, сколько потребуется рабочих, сколько часов должен работать каждый отдельный вид техники, сколько заказывать арматуры, бетона и других материалов и когда всё это понадобится на объекте.
Смета устроена так, что эти данные в ней разбросаны в разных частях документа. За одной строкой «устройство бетонной подготовки» могут стоять: оплата рабочим разных специальностей, стоимость техники, бетона, воды, расходных материалов.
Часть материалов учитывается отдельно, часть затрат рассчитывается по специальным правилам.
Человеку нужно последовательно разобрать сотни строк, ничего не потерять, правильно связать данные между собой, пересчитать и потом ещё раз всё проверить.Мы отдали эту работу нейросети, но не просто загрузили файл и попросили: «проанализируй смету».
Мы собрали для неё отдельный рабочий процесс: поручили выполнение агенту с ролью инженера-сметчика, описали правила расчёта, дали образец таблицы с разбивкой на пункты, которые нужно собрать по смете и внести в конкретные графы, запретили додумывать отсутствующие данные, обязали подтверждать результат исходными документами и проверить готовый результат.
⚙️В очередной раз удивило, что нейросеть сама разобрала профессиональный файл сметной программы и извлекла из него скрытые данные. Потом восстановила связи между работами и ресурсами, пересчитала смету и сверила результат с исходником.
После этого она превратила обычную смету в понятный управленческий файл.
Теперь отдельно видно:
🔴 сколько труда потребуется и каких специалистов;
🔴 сколько часов должна работать каждая машина;
🔴 сколько понадобится основных материалов;
🔴 какие ресурсы относятся к конкретным работам;
🔴 где в расчётах есть позиции, которые требуют внимания.
Важным здесь показалось, чтоЧеловек, который несколько часов смотрит на сотни однотипных строк, неизбежно начинает что-то пропускать. Нейросеть не устает на 150-й строке и не считает 151-ю похожей на предыдущие.
ИИ не просто считает быстрее человека. Он очень хорошо ищет аномалии в больших массивах данных.
Так в смете обнаружились позиции, которые стоило проверить отдельно: тысячи алмазных свёрл, огромный объём инъекционного состава и технология с башенным краном для объекта в тесном историческом центре Москвы, где возможность установки такого крана ещё нужно подтвердить.
⚡️Нейросеть сделала не только расчёт, но и первый уровень инженерного контроля: нашла то, на что человеку стоит обратить внимание и задать вопросы.
При постановке задачи мы просили проверить итоговый вариант. Так, готовый файл получил второй независимый❤️ ИИ-агент, который не видел, как первый агент выполнял работу. Он заново взял исходные документы и проверил результат.
Расхождение с исходной сметой - 0,00.
🕒От постановки задачи до готового проверенного Excel прошло около 40 минут. Работа, которая вручную могла занять несколько дней.
Таких смет нужно разобрать более 30.
Чтобы не писать каждый раз задачу заново, мы сохранили весь алгоритм действий в инструкции: как читать смету, что извлекать, как классифицировать ресурсы, что пересчитывать и как проверять - в отдельный навык для нейросети.И следующую смету уже не пришлось объяснять заново.
Загрузила файл, получила тот же результат: разбор ресурсов, управленческие таблицы, контрольные проверки и поиск подозрительных позиций.
Здесь и проходит граница между «поиграть с нейросетью» и внедрить ИИ в реальный бизнес-процесс.
Нейросеть особенно сильна там, где человеку приходится:
читать тысячи однотипных строк, сопоставлять данные из разных документов, искать связи, пересчитывать, проверять расхождения и замечать редкие исключения среди огромного количества информации.
Она делает это быстро, не устает, не теряет концентрацию и может повторить один и тот же алгоритм хоть на десяти следующих сметах.
А человеку остаётся то, что должно оставаться за человеком: оценить найденное, понять строительную реальность, принять решение и поставить подпись.